Если вы когда-либо пропускали запись через модель транскрипции, вы знаете, как это происходит. Каждая строка помечена как "SPEAKER_00" или "SPEAKER_01", и вы всё ещё пытаетесь понять, какая из них принадлежит бабушке. Компания Family Intelligence не может позволить себе подобные догадки. Команда разрабатывает общую память на основе искусственного интеллекта для всех домохозяйств, превращая записанные семейные разговоры в архив людей, мест и важных событий. Она работает в автономном режиме на домашнем оборудовании, используя pyannote-audio для разделения голосов и faster-whisper для их расшифровки, поэтому ни один внешний сервер не сможет прочитать данные. Чтобы определить, кто говорит, подсказка указывает модели собирать контекстные подсказки на протяжении всего разговора, например, кто-то спрашивает: «Разве не так, Миа?» прямо перед тем, как вступает SPEAKER_01. После этого модель оценивает свой собственный ответ: CERTAIN: explicit statement like "I am John" PROBABLE: direct address followed by a response POSSIBLE: single weak clue or conflicting clues UNKNOWN: no identification clues found Каждая оценка определяется необходимыми доказательствами, поэтому модель проверяет подсказки по критериям, а не оценивает собственную уверенность. Полное описание задания можно прочитать здесь. Это также наглядный пример того, что финансирует фонд Mozilla: целевую пользовательскую базу, данные, которые никогда не покидают дом, и опубликованные исследования, доказывающие их эффективность.